MP3的压缩方法

　　MP3实际上采用了MPEG-1的第三层的音频压缩方法。而VCD则是采用了MPEG-1的第一二音频压缩方法。第三层的压缩方法可以在保持很高音质的情况下，得到比第二层更高的压缩比。之所以能够做到这点主要是利用了人耳的听觉特性。

1.人耳的频率特性

　　虽然人耳可以听到从20Hz-20kHz的频率范围，但是人耳在不同的频率范围中的灵敏度是不同的。一般来说，人耳在特高频和特低频范围里的灵敏度是很差的。这可以用著名的FletcherMunson曲线来说明。

　　图中曲线的0dB代表听觉灵敏度的极限，而120dB代表痛苦灵敏度的极限。由图中可以看到，人耳在20-30Hz时的灵敏度要比1000Hz以上的灵敏度低60dB。而在2000Hz到5000Hz范围内的灵敏度最高。在高于10000Hz时，其灵敏度又逐步降低达20dB以上。

　　因此，我们就可以利用这个特性来进行压缩。为此，我们把输入的音频信号在频率上分成很多个小频段，称为子带。子带的数目一共有32个(如下图所示)。输入的最高频率为20000Hz，所以每个子带的宽度为625Hz。因为人耳对每个频段信号的灵敏度不同，因此，在不同频段可以采用不同的量化分层。例如，在低频端，就可以采用10bit，而用不着采用16bit。这就达到了压缩的目的。

2.人耳的遮蔽效应

　　人耳的另一个效应称为遮蔽效应。这种遮蔽效应表现在强信号遮蔽邻近频率的弱信号。假如有一个1000Hz的强信号，在其边上有一个低18dB的1100Hz的弱信号。那么这个弱信号就被遮蔽掉。也就是说，任何一个在强信号边上的弱信号都将会被遮蔽掉。但是假如有另一个低18dB的2000Hz弱信号，这个信号就能够被听见。必须要降低到－45dB以下，才会被遮蔽掉。也就是说，信号的频率离得越近，遮蔽效应就越严重。这意味着，我们可以提高在一个强信号的附近的噪声电平。提高噪声电平也就是减少量化的位数，从而达到压缩的目的。但是，由于强信号是随机出现的，所以减少强信号附近的量化位数必须是自适应地进行。

　　举例来说，假如在第8个子带中有一个强度为60dB的1000Hz的信号，可以计算出在整个第8子带都会有遮蔽效应，其遮蔽的门限为35dB。也就是说，在整个第8子带中，所有低35dB的信号都将会被遮蔽掉。此时，可以接受的信噪比s/n=60-35=25dB。因而4位的分辨率就已经足够了。同时，这种遮蔽效应也存在于邻近的子带中。也就是说，在第9－13，和第5－7个子带中都有遮蔽效应，都可以降低其分辨率，只是离得越远，效应越弱。

3.人耳的前遮蔽和后遮蔽效应

　　前面讲的遮蔽效应是指同时遮蔽，除此以外，还有一种非同时的遮蔽效应，称为前遮蔽和后遮蔽。所谓前遮蔽就是指在一个强信号之前或之后的弱信号，也会被遮蔽掉。这是因为人脑需要有一定的时间来处理声音信号的缘故。前遮蔽效应的时间比较短。大约只有2-5ms。而后遮蔽的时间比较长，大约有100ms。这种现象也可以加以利用，以进行压缩。只要降低强信号之前和之后的分辨率就可以。

4.减小低频时的带宽

　　从人耳的频率响应可以看出，人耳在低频时的灵敏度在700Hz以后急剧降低，如果将频段均匀划分，每个频段625Hz宽，在低频端就只有一个频段，也就无法充分利用这一特性。因此在MPEG第二层和第三层中，就采用了不均匀的滤波器，即在低频端采用较窄的子带，而在高频端则采用较宽的子带。这就可以更充分利用人耳的这一特性。

5.人耳的空间响应

　　人耳在某些频率上，并不能分辨其声源的方向。因而就可以利用一种所谓联合立体声的方法来降低码率。所谓联合立体声就是指在某些频率上采用单声道。这样也能达到降低码率的效果。

　　此外，在MPEG-1的音频压缩中，还采用了其它措施，以降低码率并保证质量。例如：

　　a.采用冗余字节以作为缓冲用，因为有些音乐小节是无法将其按限定的码率编码而又不损失其音质。为了保证其质量就需要采用较高的码率。在MP3的码流中就增加了一些冗余的字节，以便在需要的时候就可以在短时间内提供较高的码率。这也就是所谓的可变码率(VBR)系统。

　　b.在MPEG-1的第三层中，还采用了Huffman编码以进行无损压缩。这就更进一步降低了数码率，提高了压缩比。据估计，采用Huffman编码以后，可以节省大约20%的码率。

　　采用了所有以上措施以后，MP3就可以在保证音质的前提下，把码率降到最低。同时对于不同的质量要求，也可以采用降低采样率的方法来进一步降低码率。下面是MP3在不同的采样率时的压缩效果(假定每首歌长度为3.9分钟)。

　　一般来说，128kBbps的MP3的质量就已经接近CD的质量，这也就是为什么说MP3的容量大约要比CD的容量大10倍以上的原因。